`RandomizedSearchCV` de sklearn ne fonctionne pas avec` np.random.RandomState`

Question

J'essaie d'optimiser un pipeline et je voulais essayer de donner RandomizedSearchCV un objet np.random.RandomState. Je ne peux pas le faire mais je peux lui donner d'autres distributions.

Y at-il une syntaxe particulière que je peux utiliser pour donner un RandomSearchCVnp.random.RandomState(0).uniform(0.1,1.0)?

from scipy import stats 
import numpy as np 
from sklearn.neighbors import KernelDensity 
from sklearn.grid_search import RandomizedSearchCV 

# Generate data 
x = np.random.normal(5,1,size=int(1e3)) 

# Make model 
model = KernelDensity() 

# Gridsearch for best params 
# This one works 
search_params = RandomizedSearchCV(model, param_distributions={"bandwidth":stats.uniform(0.1, 1)}, n_iter=30, n_jobs=2) 
search_params.fit(x[:, None]) 

# RandomizedSearchCV(cv=None, error_score='raise', 
#   estimator=KernelDensity(algorithm='auto', atol=0, bandwidth=1.0, breadth_first=True, 
#  kernel='gaussian', leaf_size=40, metric='euclidean', 
#  metric_params=None, rtol=0), 
#   fit_params={}, iid=True, n_iter=30, n_jobs=2, 
#   param_distributions={'bandwidth': <scipy.stats._distn_infrastructure.rv_frozen object at 0x106ab7da0>}, 
#   pre_dispatch='2*n_jobs', random_state=None, refit=True, 
#   scoring=None, verbose=0) 

# This one doesn't work :(
search_params = RandomizedSearchCV(model, param_distributions={"bandwidth":np.random.RandomState(0).uniform(0.1, 1)}, n_iter=30, n_jobs=2) 
# TypeError: object of type 'float' has no len() 

Answer 1

Ce que vous observez devrait, comme la classe méthode uniform d'un objet de type np.random.RandomState()tire immédiatement un échantillon au moment de l'appel. Par rapport à cela, votre utilisation de stats.uniform()de scipy crée une distribution encore à l'échantillon de. (Bien que je ne sache pas si cela fonctionne comme vous l'attendez dans votre cas, soyez prudent avec les paramètres).

Si vous voulez intégrer quelque chose basé sur np.random.RandomState() vous devez construire votre propre classe comme mentionné dans le docs:

Cet exemple utilise le module scipy.stats, qui contient de nombreuses distributions utiles pour les paramètres d'échantillonnage, comme expon, gamma, uniforme ou randint. En principe, n'importe quelle fonction peut être passée qui fournit une méthode RSV (échantillon variable aléatoire) pour échantillonner une valeur. Un appel à la fonction rvs doit fournir des échantillons aléatoires indépendants de valeurs de paramètres possibles sur des appels consécutifs.